본 논문은 상대적으로 대비도 차이가 크게 나타나는 역광 이미지에 대해서 Retinex알고리즘을 적용하여 보정 했을 경우 발생하는 밝은 영역에서의 컬러성분의 손실을 개선하기 위한 새로운 기법을 제안한다. 역광 이미지의 경우 밝은 영역과 어두운 영역에 대한 밝기 차이가 매우 크게 발생하기 때문에 Retinex 알고리즘을 이용하여 영상의 대비도를 향상시킬 경우 밝은 영역에서의 컬러 성분이 손실되는 현상이 발생한다. 이러한 손실을 보완하기 위해서 원본 영상의 밝은 영역에 해당하는 컬러 성분을 Retinex 알고리즘으로 보정된 영상에 추가해준다. K-mean 알고리즘을 이용하여 원본 영상에서의 밝은 영역, 어두운 영역, 중간 영역을 분리하고 밝은 영역에 대해서의 컬러 성분을 추가적으로 복원해 주며, 중간 영역에 대해서는 히스토그램에서의 위치를 기준으로 밝고 어두운 성분에 대한 비율을 고려하여 각 비율에 따라 원본 영상과 Retinex 복원 영상의 밝기 값을 함께 이용하도록 한다. 제안하는 알고리즘의 성능 평가를 위해 역광 현상이 강하게 나타나는 자연영상들을 대상으로 적용하여 기존의 Retinex 알고리즘보다 우수한 성능을 가지고 있음을 보였다.
본 논문은 상대적으로 대비도 차이가 크게 나타나는 역광 이미지에 대해서 Retinex 알고리즘을 적용하여 보정 했을 경우 발생하는 밝은 영역에서의 컬러성분의 손실을 개선하기 위한 새로운 기법을 제안한다. 역광 이미지의 경우 밝은 영역과 어두운 영역에 대한 밝기 차이가 매우 크게 발생하기 때문에 Retinex 알고리즘을 이용하여 영상의 대비도를 향상시킬 경우 밝은 영역에서의 컬러 성분이 손실되는 현상이 발생한다. 이러한 손실을 보완하기 위해서 원본 영상의 밝은 영역에 해당하는 컬러 성분을 Retinex 알고리즘으로 보정된 영상에 추가해준다. K-mean 알고리즘을 이용하여 원본 영상에서의 밝은 영역, 어두운 영역, 중간 영역을 분리하고 밝은 영역에 대해서의 컬러 성분을 추가적으로 복원해 주며, 중간 영역에 대해서는 히스토그램에서의 위치를 기준으로 밝고 어두운 성분에 대한 비율을 고려하여 각 비율에 따라 원본 영상과 Retinex 복원 영상의 밝기 값을 함께 이용하도록 한다. 제안하는 알고리즘의 성능 평가를 위해 역광 현상이 강하게 나타나는 자연영상들을 대상으로 적용하여 기존의 Retinex 알고리즘보다 우수한 성능을 가지고 있음을 보였다.
This paper proposes a new algorithm that improve color component of compensated image using Retinex method for back-light image. A back-light image has two regions, one of the region is too bright and the other one is too dark. If an back-light image is improved contrast using Retinex method, it los...
This paper proposes a new algorithm that improve color component of compensated image using Retinex method for back-light image. A back-light image has two regions, one of the region is too bright and the other one is too dark. If an back-light image is improved contrast using Retinex method, it loses color information in the part of brightness of the image. In order to make up loss information, proposed algorithm adds color components from original image. The histogram can be divided three parts that brightness, darkness, midway using K-mean (k=3) algorithm. For the brightness, it is used color information of the original image. For the darkness, it is converted using by Retinex method. The midway region is mixed between original image and Retinex result image in the ratio of histogram. The ratio is determined by distance from dark area. The proposed algorithm was tested on nature back-light images to evaluate performance, and the experimental result shows that proposed algorithm is more robust than original Retinex algorithm.
This paper proposes a new algorithm that improve color component of compensated image using Retinex method for back-light image. A back-light image has two regions, one of the region is too bright and the other one is too dark. If an back-light image is improved contrast using Retinex method, it loses color information in the part of brightness of the image. In order to make up loss information, proposed algorithm adds color components from original image. The histogram can be divided three parts that brightness, darkness, midway using K-mean (k=3) algorithm. For the brightness, it is used color information of the original image. For the darkness, it is converted using by Retinex method. The midway region is mixed between original image and Retinex result image in the ratio of histogram. The ratio is determined by distance from dark area. The proposed algorithm was tested on nature back-light images to evaluate performance, and the experimental result shows that proposed algorithm is more robust than original Retinex algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서 제안하는 알고리즘은 역광 이미지에 대한 기존 Retinex 알고리즘을 적용하였을 경우 손상될 수 있는 밝은 영역의 컬러 성분을 효과적으로 보정할 수 있도록 하는 것이다. 이를 위해서 우선 역광 이미지에 대한 컬러 히스토그램 분석을 통해 각 컬러 성분들의 밝기 분포를 조사하고 밝고 어두운 영역을 분리한다.
하지만 자연영상에서 흔히 얻을 수 있는 역광 영상에서 Retinex 알고리즘을 적용할 경우 어두운 영역에서는 비교적 대비도 향상이 잘되는 반면 밝은 영역에 대한 컬러 성분이 손실되는 단점을 보이고 있다. 본 논문에서는 이러한 Retinex 알고리즘의 단점을 보안하기 위해 역광 이미지가 가지는 특징을 분석하고 이를 보완하기 위한 알고리즘을 제시하였다. 역광 이미지가 가지는 밝기 영역을 K-mean 알고리즘을 이용하여 3가지로 구분하였고 각 영역에 따라서 다른 컬러 정보를 가져오거나 혼합하는 형태를 취함으로써 효율적인 결과 영상을 얻을 수 있었다.
제안 방법
Retinex 알고리즘을 이용한 보정된 영상의 밝은 영역 컬러 성분이 손상되는 것을 보완하기 위해 Retinex 보정 이미지에 원본 이미지의 컬러 성분을 추가로 이용하도록 한다.
본 논문에서는 이러한 Retinex 알고리즘의 단점을 보안하기 위해 역광 이미지가 가지는 특징을 분석하고 이를 보완하기 위한 알고리즘을 제시하였다. 역광 이미지가 가지는 밝기 영역을 K-mean 알고리즘을 이용하여 3가지로 구분하였고 각 영역에 따라서 다른 컬러 정보를 가져오거나 혼합하는 형태를 취함으로써 효율적인 결과 영상을 얻을 수 있었다. 기존 Retinex 알고리즘을 통한 결과와의 비교를 통해 컬러 성분의 보정이 탁월함을 알 수 있었다.
능동적인 임계치의 선정을 위해 K-mean 알고리즘[9](k=3)을 이용하여 영상을 매우 밝은 영역, 매우 어두운 영역, 중간 영역과 같이 3개의 영역으로 나누도록 한다. 이렇게 구분되어진 영역에 Retinex 알고리즘을 적용하여 향상된 화질의 영상과 원본에서의 컬러 정보를 융합하는 과정을 통해 역광 이미지를 개선하도록 한다. 중간 영역의 경우 히스토그램에서의 위치 정보를 이용하여 밝은 영역, 혹은 어두운 영역에 가까운 비율을 통해 원본, 혹은 Retinex 보정 영상의 값을 더함으로써 처리하도록 한다.
제안하는 알고리즘을 적용하기 위해서는 영상 이미지에서의 밝은 영역과 어두운 영역, 그리고 적응적인 임계치를 위한 중간 영역의 분리가 반드시 필요하다. 이를 위해 본 논문에서는 K-mean (k=3)알고리즘을 적용하여 영상이 가지는 히스토그램을 3개의 영역으로 구분하도록 한다.
본 논문에서 제안하는 알고리즘은 역광 이미지에 대한 기존 Retinex 알고리즘을 적용하였을 경우 손상될 수 있는 밝은 영역의 컬러 성분을 효과적으로 보정할 수 있도록 하는 것이다. 이를 위해서 우선 역광 이미지에 대한 컬러 히스토그램 분석을 통해 각 컬러 성분들의 밝기 분포를 조사하고 밝고 어두운 영역을 분리한다. 밝고 어두운 영역을 구분하기 위해서는 임계치 값이 필요하다.
대상 데이터
제안한 알고리즘의 성능을 평가하기 위한 방법으로 기존의 Retinex 알고리즘을 통한 역광 이미지의 개선 결과와 제안한 알고리즘을 이용한 역광 이미지의 결과를 비교하였다. 역광 이미지는 자연환경을 배경으로 획득한 컬러 영상을 대상으로 하였다.
데이터처리
제안한 알고리즘의 성능을 평가하기 위한 방법으로 기존의 Retinex 알고리즘을 통한 역광 이미지의 개선 결과와 제안한 알고리즘을 이용한 역광 이미지의 결과를 비교하였다. 역광 이미지는 자연환경을 배경으로 획득한 컬러 영상을 대상으로 하였다.
이론/모형
하지만 고정된 임계치의 값을 사용하는 경우 다양한 영상 이미지에 효과적으로 적용할 수 없기 때문에 능동적으로 임계치의 값을 정할 필요가 있다. 능동적인 임계치의 선정을 위해 K-mean 알고리즘[9](k=3)을 이용하여 영상을 매우 밝은 영역, 매우 어두운 영역, 중간 영역과 같이 3개의 영역으로 나누도록 한다. 이렇게 구분되어진 영역에 Retinex 알고리즘을 적용하여 향상된 화질의 영상과 원본에서의 컬러 정보를 융합하는 과정을 통해 역광 이미지를 개선하도록 한다.
앞에서 설명한 바와 같이 영상의 히스토그램에서 밝은 영역의 경우는 원본 영상에서의 컬러 정보를 결과 영상에 적용하며 어두운 영역의 경우는 Retinex 알고리즘을 통한 보정된 컬러 성분을 결과 영상에 적용한다. 나머지 중간 영역에 대해서는 그림 9 와 같이 어두운 영역과 밝은 영역 사이의 거리에 비례적인 선형 그래프를 통해 각 영역에서 가지는 비율을 식 (5)와 같이 계산하여 보정 밝기 값을 결정한다.
성능/효과
K-Retine 알고리즘은 전반적으로 대비도가 향상되는 것을 볼 수 있지만, 제안한 알고리즘은 K-Retinex 알고리즘 보다 아기의 옷의 무늬가 더 선명하게 나타남을 볼 수 있다.
결과를 통해 알 수 있듯이 기존의 Retinex 알고리즘의 경우 어두운 영역에서의 화소 값들의 대비도가 매우 향상됨으로써 효과적으로 개선된 영상을 얻을 수 있다. 하지만 밝은 영역의 경우에 대해서는 컬러 정보가 희미해지거나 정보 자체가 사라지는 경우가 발생함을 알 수 있다.
역광 이미지가 가지는 밝기 영역을 K-mean 알고리즘을 이용하여 3가지로 구분하였고 각 영역에 따라서 다른 컬러 정보를 가져오거나 혼합하는 형태를 취함으로써 효율적인 결과 영상을 얻을 수 있었다. 기존 Retinex 알고리즘을 통한 결과와의 비교를 통해 컬러 성분의 보정이 탁월함을 알 수 있었다.
이는 특히 그림 12 의 두번째 영상(매우 어두운 이미지)과 같은 경우 매우 밝은 박스 영역에서의 데이터가 오히려 사라져 버리는 것을 알 수 있다. 이와 다르게 제안한 알고리즘의 경우 어두운 영역에서는 기존 Retinex 보정 결과와 동일하면서도 밝은 영역에서의 정보도 함께 유지하고 있음을 알 수 있다.
그림 12 는 기존 Retinex 알고리즘을 이용한 역광 이미지의 보정 결과와 제안한 알고리즘에 대한 결과를 비교하여 보여준다. 자연 영상에서 가장 흔하게 볼 수 있는 역광 사진들을 통해서 제안한 알고리즘의 효용성을 검증하였다.
후속연구
제안하는 알고리즘을 적용하기 위해서는 영상 이미지에서의 밝은 영역과 어두운 영역, 그리고 적응적인 임계치를 위한 중간 영역의 분리가 반드시 필요하다. 이를 위해 본 논문에서는 K-mean (k=3)알고리즘을 적용하여 영상이 가지는 히스토그램을 3개의 영역으로 구분하도록 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
Retinex 알고리즘은 어떤 방법인가?
Retinex 알고리즘은 카메라의 이러한 특징을 고려하여 사람의 눈과 같이 시간이 지남에 따라 적응 할 수 있는 능력을 영상에서도 표현할 수 있도록 구현한 것으로 환경에 적응하여 대비를 향상시키도록 하는 것이 특징이다. 이러한 Retinex 알고리즘은 영상의 밝기와 인지된 감각 사이에는 로그 관계를 가진다는 Weber-Fechner's Law와 영상의 밝기는 조명 성분과 반사 성분의 곱으로 이루어진다는 Land의 시각적 모델을 가정하여 조명 성분의 영향을 줄이고 사물의 특징을 표현하는 반사 성분을 나타냄으로써 대비도를 향상시키는 방법이다. 이러한 Retinex 알고리즘을 개선하여 특정 환경에서 얻어진 영상 이미지를 보정하는 연구가 많이 진행되고 있다[10~14].
Retinex 알고리즘은 입력 영상의 채널이 따라서 두 가지로 구분할 수 있는데, 이는 무엇인가?
Retinex는 입력 영상의 채널에 따라서 두 가지로 구분할 수 있는데, 하나의 스케일에 대해서 적용하는 경우를 SSR(Single Scale Retinex) 알고리즘이라고 하며 컬러영상과 같이 RGB의 세 개의 스케일에 대해서 적용하는 경우 MSR (Multi Scale Retinex) 알고리즘이라 한다[6-7].
Retinex 알고리즘은 어떤 특징이 있나?
일반적인 카메라의 경우 저조도의 환경에서 잘 적응하지 못하기 때문에 물체에 대한 분별이 어렵다. Retinex 알고리즘은 카메라의 이러한 특징을 고려하여 사람의 눈과 같이 시간이 지남에 따라 적응 할 수 있는 능력을 영상에서도 표현할 수 있도록 구현한 것으로 환경에 적응하여 대비를 향상시키도록 하는 것이 특징이다. 이러한 Retinex 알고리즘은 영상의 밝기와 인지된 감각 사이에는 로그 관계를 가진다는 Weber-Fechner's Law와 영상의 밝기는 조명 성분과 반사 성분의 곱으로 이루어진다는 Land의 시각적 모델을 가정하여 조명 성분의 영향을 줄이고 사물의 특징을 표현하는 반사 성분을 나타냄으로써 대비도를 향상시키는 방법이다.
참고문헌 (14)
L. Meylan, D. Alleysson, and S. Sustrunk, "Model of retinal local adaptation for the tone mapping of color filter array images," J. Opt. Soc. Am. A, Vol.24, No.9, pp.2807-2816, 2007.
D. H. Choi. I. H. Jang. N.C. Kim. "Color Image Enhancement Based on an Improved Image Formation Model," Jurnal of the IEEK SP, Vol. 4, No. 6, pp. 65-84, 2006.
C. Ke, "Adaptive Smoothing Via Contextual and Local Discontinuities," IEEE Transactions on Pattern analysis and machine intelligence, Vol.27, No.10, pp.1552-1567, 2005.
Y. K. Park and J. K. Kim, "A New Methodology of Illumination Estimation/ Normalization for Robust Face Recognition," IEEE international Conference on image Processing, 2007.
M. C. Su, J. H. Guo, D. T. Lin, G. C. Wang, "New compensation algorithm for color backlight images," Neural Networks, 2002. IJCNN '02. Proceedings of the 2002 International Joint Conference, vol. 2, pp. 1396-1400, Honolulu, Hawaii, America, May 2002.
Z. Rahman, G. A. Woodell, D. J. Jobson, "A Comparison of the Multiscale Retinex with Other Image Enhancement Techniques," NASA Langley Technical Report, 1997.
Daniel J. Jobson and Zia-ur Rahman, "Properties and Performance of a Center/ Surround Retinex," IEEE Trans. Image Process, Vol.6, No.3, pp.451-492, 1997.
D. J. Jobson, Z. Rahman, and G. A. Woodell, "A Multiscale Retinex for Bridging the Gap between Color Images and The Human Observation," IEEE Trans. Image Process, Vol.6, No.7, pp.965-976, 1997.
K. Alsabti, S. Ranka, and V. Singh, "An Efficient k-means Clustering Algorithm," Proc. First Workshop High Performance Data Mining, Mar. 1998.
D. H. Choi, I. H. Jang, M. H. Kim, and N. C. Kim, "Color image enhancement based on single-scale retinex with a JND-based nonlinear filter," in Proc. IEEE Int. Symp. Circuits and Syst., New Orleans, USA, pp.3948-3951, 2007.
I. S. Jang, K. H. Park and Y. H. Ha, "Color Correction by Estimation of Dominant Chromaticity in Multi-Scaled Retinex," Jurnal of Imaging Science and Technology, Vol.53, No.5, 2009.
B. H. Kang, C. W. Jeon, and H. S. Ko. "K-Retinex Algorithm for Fast Back-Light Compensation," Jurnal of the IEEK SP, Vol. 44, No. 2, pp. 126-136, 2007.
Y. T. Kim, H. S. Han. "detection method using Retinex based on Median filter in the Fog Image," Jurnal of the Korea Society of Computer and information, Vol. 15, No. 8, pp. 31-39, 2010.
J. D. Kim, Y. J Han. H. S. Han. "Image-based Water Level Measurement Method Adapting to Ruler's Surface Condition,"Jurnal of the Korea Society of Computer and information, Vol. 15, No. 9, pp. 67-76, 2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.